Adopción de inteligencia artificial generativa en la educación  
superior ecuatoriana: evidencia empírica, brechas digitales y  
desafíos de gobernanza (20242025)  
Adoption of generative artificial intelligence in ecuadorian higher  
education: empirical evidence, digital divides and governance challenges  
(20242025)  
Carlos Eduardo Mora Torres1  
Escuela Politécnica del Litoral (ESPOL)  
Guayaquil Ecuador  
Artículo recibido: 01 de noviembre de 2025. Aceptado para publicación: 09 de marzo de 2026.  
Conflictos de Interés: Ninguno que declarar.  
Declaración de uso de IA: Se utilizaron herramientas de IA generativa como apoyo en la corrección de estilo y  
estructuración de ideas, en un porcentaje estimado inferior al 20 % del manuscrito. El contenido intelectual,  
análisis e interpretación de datos son responsabilidad exclusiva del autor.  
Resumen  
Esta revisión integrativa analiza la adopción de herramientas de inteligencia artificial generativa en la  
educación superior de Ecuador, integrando datos secundarios oficiales con evidencia empírica  
publicada (20242025). Se examinaron boletines ENEMDUTIC del INEC sobre infraestructura digital  
habilitante incluyendo datos desagregados por nivel educativo, quintil de ingreso y etnicidad, tres  
estudios empíricos con datos primarios sobre uso de ChatGPT en universidades ecuatorianas (n total  
= 888), el Informe RAM de UNESCO para Ecuador sobre gobernanza de IA, la Política de  
Transformación Digital 20252030 y una encuesta regional con 30.260 participantes de 29  
instituciones latinoamericanas. Los resultados muestran que la conectividad de hogares mejoró (66,0  
% a 71,3 %) con avance notable en hogares indígenas (+18,3 p.p.), pero la tenencia de computadores  
se estancó en 32,7 % a nivel nacional, aunque alcanza 73,7 % en hogares con educación superior. El  
analfabetismo digital se redujo de 5,4 % a 2,1 %. En las universidades estudiadas, aproximadamente  
el 52 % de los estudiantes encuestados reporta uso de ChatGPT con frecuencia moderada a alta, pero  
el 0 % indicó orientación institucional formal y el 81 % aprendió de forma autodidacta (datos del  
estudio principal, n = 335, una universidad pública de Los Ríos). La evidencia consultada confirma la  
ausencia de estrategia nacional de IA y brechas significativas de infraestructura. Los hallazgos  
sugieren un patrón de adopción "desde abajo", impulsada por estudiantes sin orientación institucional,  
en un contexto de rezago regional en gobernanza de IA.  
Palabras clave: inteligencia artificial generativa, educación superior, brecha digital,  
gobernanza de IA, Ecuador  
Abstract  
This integrative review analyzes the adoption of generative artificial intelligence tools in Ecuadorian  
higher education, integrating official secondary data with published empirical evidence (20242025).  
1 Autor de correspondencia.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2839.  
Sources examined include INEC ENEMDUTIC bulletins on enabling digital infrastructure  
disaggregated by education level, income quintile and ethnicity; three empirical studies with primary  
data on ChatGPT use in Ecuadorian universities (total n = 888); the UNESCO RAM Report for Ecuador  
on AI governance; the Digital Transformation Policy 20252030; and a regional survey of 30,260  
participants from 29 Latin American institutions. Results show improved household connectivity (66.0  
% to 71.3 %) with notable progress in indigenous households (+18.3 p.p.), but stagnant computer  
ownership at 32.7 % nationally, though reaching 73.7 % in households with higher education. Digital  
illiteracy dropped from 5.4 % to 2.1 %. In the universities studied, approximately 52 % of surveyed  
students reported moderate-to-high ChatGPT use, yet 0 % indicated formal institutional guidance and  
81 % were self-taught (main study data, n = 335, one public university in Los Rios). The absence of a  
national AI strategy is confirmed. The available evidence suggests a bottom-up adoption pattern within  
a context of regional lag in AI governance.  
Keywords: generative artificial intelligence, higher education, digital divide, AI governance,  
Ecuador  
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,  
publicado en este sitio está disponibles bajo Licencia Creative Commons.  
Cómo citar: Mora Torres, C. E. (2026). Adopción de inteligencia artificial generativa en la educación  
superior ecuatoriana: evidencia empírica, brechas digitales y desafíos de gobernanza (20242025).  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades 7 (1), 2839 2856.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2840.  
INTRODUCCIÓN  
La rápida difusión de herramientas de inteligencia artificial (IA) generativa con ChatGPT como caso  
emblemático desde noviembre de 2022ha reconfigurado prácticas de enseñanza, evaluación y  
producción académica a escala global (Crompton y Burke, 2023; Lo, 2023). A nivel mundial, una  
encuesta de UNESCO a más de 450 escuelas y universidades reveló que menos del 10 % cuenta con  
políticas institucionales formales u orientación sobre IA generativa (UNESCO, 2023a). Revisiones  
sistemáticas documentan un crecimiento exponencial de aplicaciones de IA en educación superior  
(Zawacki-Richter et al., 2019; Yan et al., 2024), incluyendo análisis específicos sobre el impacto de  
ChatGPT (Tlili et al., 2023; Sætra, 2023), pero la mayoría de la investigación empírica se concentra en  
países desarrollados, con representación marginal de América Latina (Crompton y Burke, 2023).  
En contextos de países en desarrollo, la adopción de estas tecnologías está mediada por condiciones  
estructurales que configuran una brecha digital persistente: conectividad, dispositivos, capacidades  
digitales y marcos de gobernanza (Holmes et al., 2019; van Dijk, 2020). Ecuador presenta un caso de  
particular interés: mejoras recientes en conectividad coexisten con baja tenencia de computadores,  
ausencia de estrategia nacional de IA y evidencia empírica muy limitada sobre la adopción educativa  
de estas herramientas.  
Para analizar este fenómeno, el presente estudio se fundamenta en tres ejes teóricos  
complementarios: los modelos de brecha digital multinivel, las teorías de adopción tecnológica y los  
marcos de competencia digital e IA.  
METODOLOGÍA  
Diseño  
Se desarrolló una revisión integrativa (Whittemore y Knafl, 2005) que integra: (a) análisis de datos  
secundarios de fuentes oficiales (INEC, UNESCO, MINTEL) e índices internacionales (Oxford Insights,  
CENIA, UIT), y (b) síntesis de evidencia empírica publicada (20242025) sobre adopción de IA  
generativa en universidades ecuatorianas, complementada con datos comparativos regionales. El  
periodo de inclusión de fuentes primarias fue enero 2024 diciembre 2025. Adicionalmente, se  
incorporó como referente comparativo regional no como parte del corpus principal de análisisla  
encuesta del Digital Education Council et al. (2026), publicada en enero de 2026, con 30.260  
participantes de 29 instituciones latinoamericanas. Esta fuente se utiliza exclusivamente para  
contextualizar los hallazgos ecuatorianos en el ámbito latinoamericano y no debe interpretarse como  
evidencia directa sobre Ecuador, dado que incluye una sola institución ecuatoriana (ESPOL).  
La revisión integrativa se adoptó como método idóneo dado que permite sintetizar evidencia empírica,  
datos secundarios oficiales y documentos de política en un marco analítico unificado (Whittemore y  
Knafl, 2005). A diferencia de las revisiones sistemáticas tradicionales, que requieren un corpus amplio  
de estudios homogéneos, la revisión integrativa admite la inclusión de fuentes diversas tanto  
empíricas como teóricas y documentalesy es especialmente adecuada cuando la evidencia primaria  
es escasa (Torraco, 2005; Whittemore y Knafl, 2005). Este enfoque resulta particularmente apropiado  
para fenómenos emergentes como la adopción de IA generativa en educación superior, donde la  
producción empírica es aún incipiente y se requiere triangular múltiples tipos de fuentes para construir  
un diagnóstico integral. El reducido número de estudios empíricos incluidos (n = 3) no constituye una  
limitación del método, sino que refleja el estado naciente de la investigación empírica sobre IA  
generativa en Ecuador; la revisión integrativa permite precisamente visibilizar este vacío y sintetizar la  
totalidad de la evidencia disponible.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2841.  
Fuentes y estrategia de búsqueda  
El componente de datos secundarios incluyó: boletines ENEMDUTIC del INEC (julio 2024 y julio 2025),  
con extracción de datos desagregados por área geográfica, nivel educativo del jefe de hogar, quintil de  
ingreso y autoidentificación étnica; el comunicado y hallazgos del Informe RAM Ecuador (UNESCO,  
2025); la Política de Transformación Digital 20252030 (MINTEL, 2025a, 2025b); e índices  
internacionales de preparación en IA. Para la evidencia empírica, se realizaron búsquedas en SciELO,  
Redalyc, Google Scholar, Dialnet y repositorios institucionales ecuatorianos usando las siguientes  
cadenas de búsqueda exactas:  
Cadena principal (español): ("ChatGPT" OR "inteligencia artificial generativa" OR "IA generativa") AND  
("Ecuador") AND ("educación superior" OR "estudiantes universitarios" OR "universidad").  
Cadena complementaria (inglés): ("ChatGPT" OR "generative artificial intelligence" OR "generative AI")  
AND ("Ecuador") AND ("higher education" OR "university students").  
Filtros aplicados: periodo enero 2024 diciembre 2025; idioma español e inglés; tipo de documento:  
artículos originales de investigación y actas de congresos con revisión por pares. Se excluyeron  
artículos de opinión, editoriales, cartas al editor y estudios sin datos empíricos primarios. Las  
búsquedas se realizaron entre octubre y diciembre de 2025. En Google Scholar se utilizó la búsqueda  
avanzada con los mismos términos; en repositorios institucionales ecuatorianos se emplearon  
búsquedas simplificadas por los términos "ChatGPT" y "inteligencia artificial" filtrados por facultades  
de educación.  
Criterios de inclusión y selección de fuentes  
Para la evidencia empírica se aplicaron los siguientes criterios de inclusión: (a) estudios con datos  
primarios sobre uso de ChatGPT u otra IA generativa en estudiantes o docentes universitarios en  
Ecuador, (b) publicados entre 2024 y 2025 en revistas indexadas o actas de congresos con revisión por  
pares, y (c) con información suficiente para extraer frecuencia de uso, propósitos o percepciones. Se  
excluyeron artículos de opinión, editoriales y estudios sin datos empíricos. Para las fuentes oficiales,  
se incluyeron los boletines ENEMDUTIC más recientes (2024, 2025), el Informe RAM Ecuador  
(UNESCO, 2025), la Política de Transformación Digital 20252030 (MINTEL, 2025a, 2025b) y los índices  
internacionales de preparación en IA (Oxford Insights, 2024; CENIA, 2024). Como referente  
comparativo regional se incorporó la encuesta del Digital Education Council et al. (2026). Las fuentes  
adicionales corresponden a marcos teóricos, antecedentes y datos comparativos internacionales.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2842.  
Figura 1  
Diagrama de flujo PRISMA adaptado para la selección de estudios empíricos  
Fuente: elaboración propia siguiendo las directrices PRISMA 2021 (Page et al., 2021). n = número de  
registros en cada etapa.  
Flujo de selección. La búsqueda en las cinco bases de datos y repositorios arrojó un total de 47  
registros iniciales. Tras eliminar 12 duplicados, se cribaron 35 registros por título y resumen,  
excluyendo 22 que no cumplían los criterios (artículos de opinión, editoriales, estudios sin datos  
empíricos o contextos no ecuatorianos). Los 13 registros restantes se evaluaron a texto completo,  
excluyendo 10 por no reportar datos primarios sobre frecuencia de uso, propósitos o percepciones de  
IA generativa en estudiantes o docentes universitarios ecuatorianos. Finalmente, tres estudios  
cumplieron todos los criterios de inclusión (Tabla 1). Este proceso sigue las directrices adaptadas de  
PRISMA para revisiones integrativas (Page et al., 2021).  
Estudios empíricos incluidos  
La búsqueda identificó tres estudios con datos primarios sobre uso de ChatGPT en universidades  
ecuatorianas (Tabla 1), con una muestra combinada de 888 participantes de tres contextos  
institucionales y geográficos. Cabe precisar que 635 participantes corresponden exclusivamente a  
universidades ecuatorianas (Izquierdo-Morán et al., 2025; Pilatasig Tambaco et al., 2025), mientras que  
el estudio de Alarcón-Llontop et al. (2024) incluyó una muestra binacional de 253 participantes de  
Ecuador y Perú, por lo que sus hallazgos se interpretan con esta consideración.  
Tabla 1  
Estudios empíricos incluidos sobre uso de ChatGPT en universidades ecuatorianas  
Estudio  
n
Contexto  
Periodo  
Diseño  
Instrumento  
Variables  
principales  
Izquierdo-  
Morán et  
al. (2025)  
335  
U. Técnica  
de  
Abr–  
May  
2024  
Mixto  
transversal  
Cuestionario  
validado por  
expertos (alfa de  
Cronbach  
reportado)  
Cuestionario ad  
hoc (sin  
Frecuencia de uso,  
propósitos,  
orientación  
Babahoyo  
(pública),  
Los Ríos  
U. Central  
del Ecuador  
(pública),  
Quito  
recibida,  
percepciones  
Frecuencia de uso,  
impacto en  
Pilatasig  
Tambaco  
et al.  
300  
2024  
Cuantitativo  
descriptivo  
validación  
aprendizaje,  
(2025)  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2843.  
psicométrica  
reportada)  
pensamiento  
crítico  
Alarcón-  
Llontop et  
al. (2024)  
253* IES de Loja  
(pública) +  
Perú  
Abr–  
Sep  
2023  
Cuantitativo  
Cuestionario  
cuantitativo (sin  
validación  
Percepciones,  
recomendación de  
uso, satisfacción  
explícita  
reportada)  
Nota: *Incluye docentes y estudiantes de Ecuador y Perú (muestra binacional). Todas las instituciones  
ecuatorianas son públicas. IES = Instituciones de Educación Superior.  
Fuente: elaboración propia.  
Evaluación de calidad de los estudios incluidos  
Se evaluó la calidad metodológica de los tres estudios empíricos mediante la Mixed Methods Appraisal  
Tool (MMAT, versión 2018; Hong et al., 2018), herramienta estandarizada diseñada para evaluar  
estudios de diferentes diseños metodológicos. Se aplicaron los criterios correspondientes a estudios  
cuantitativos descriptivos  
y
de métodos mixtos. Izquierdo-Morán et al. (2025) cumple  
satisfactoriamente los cinco criterios MMAT para estudios mixtos: justificación del diseño mixto,  
integración adecuada de componentes, interpretación coherente, calidad del componente cuantitativo  
(instrumento validado por expertos con alfa de Cronbach reportado, n = 335 con caracterización  
sociodemográfica detallada) y calidad del componente cualitativo. Pilatasig Tambaco et al. (2025)  
cumple parcialmente: presenta diseño cuantitativo descriptivo adecuado y tamaño muestral suficiente  
(n = 300), pero el instrumento es ad hoc sin reporte de validación psicométrica, lo que genera riesgo de  
sesgo de medición moderado. Alarcón-Llontop et al. (2024) cumple parcialmente: aporta perspectiva  
binacional comparativa (n = 253), pero el instrumento no reporta validación explícita y la muestra  
binacional limita las inferencias exclusivamente ecuatorianas. En conjunto, los tres estudios  
comparten limitaciones de muestreo por conveniencia y posible sesgo de autoinforme, riesgos  
inherentes a la investigación sobre adopción tecnológica en etapas tempranas. Ningún estudio fue  
excluido por calidad insuficiente dado el reducido corpus disponible; en su lugar, las limitaciones  
identificadas se incorporan en la interpretación de resultados.  
Procedimiento de análisis  
De ENEMDUTIC se extrajeron indicadores porcentuales con cálculo de variaciones interanuales,  
brechas urbanorurales y desagregaciones por nivel educativo, quintil de ingreso y etnicidad. De los  
estudios empíricos se extrajeron: frecuencia de uso, propósitos, orientación recibida y percepciones.  
Los datos se triangularon con la encuesta regional (Digital Education Council et al., 2026) y el  
diagnóstico de gobernanza (UNESCO, 2025).  
DESARROLLO  
Brecha digital multinivel  
El modelo secuencial de van Dijk (2005, 2020) propone cuatro niveles de acceso: motivacional,  
material, de habilidades y de uso significativo. Warschauer (2003) complementa esta visión con un  
modelo multifactorial que integra recursos físicos, digitales, humanos y sociales. Hargittai (2002)  
introdujo la brecha de segundo nivel (habilidades), y Ragnedda (2018) formalizó tres niveles acceso,  
habilidades/uso y resultados tangiblesjunto con el concepto de capital digital. Van Dijk (2020)  
advierte que las tecnologías algorítmicas generan nuevas capas de exclusión ("desigualdad digital  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2844.  
2.0"), marco relevante para contextos donde mejoras en conectividad coexisten con limitaciones en  
dispositivos y competencias avanzadas.  
Modelos de adopción tecnológica  
El Modelo de Aceptación Tecnológica (TAM) de Davis (1989) identifica la utilidad percibida y la  
facilidad de uso como determinantes principales de la aceptación tecnológica. La Teoría Unificada  
(UTAUT) de Venkatesh et al. (2003) amplía el marco con expectativa de desempeño, esfuerzo,  
influencia social y condiciones facilitadoras. Granić y Marangunić (2019) confirman en 71 estudios que  
la utilidad percibida es el predictor más fuerte en educación. Scherer et al. (2019) encuentran en 114  
estudios que la autoeficacia tecnológica es un predictor crítico adicional para docentes. En el caso de  
la IA generativa, el constructo de condiciones facilitadoras (UTAUT) adquiere especial relevancia en  
países en desarrollo donde infraestructura y soporte institucional son limitados.  
Marcos de competencia digital e IA  
DigComp 2.2 incorpora competencias sobre sistemas de IA (Vuorikari et al., 2022). DigCompEdu define  
22 competencias para educadores con dimensiones pedagógicas y reflexivas (Redecker, 2017).  
UNESCO (2024) publicó marcos de competencias en IA para estudiantes y docentes con niveles  
progresivos adaptables a contextos nacionales.  
Antecedentes y contexto regional  
El Índice de Preparación Gubernamental para la IA (Oxford Insights, 2024) sitúa a Brasil (score 65,89),  
Chile (63,19) y Uruguay (62,21) como los tres únicos países latinoamericanos en el top 50 global de  
188 economías; Ecuador se ubica fuera de este grupo. El Índice Latinoamericano de IA (CENIA, 2024),  
que evalúa 19 países, clasifica a Ecuador en la categoría "adoptante" en el extremo inferior de este  
nivel, con un puntaje de 34,59 frente a Chile (73,07), Brasil (69,30) y Uruguay (64,98). Diez países de  
la región cuentan con estrategias nacionales de IA; Ecuador no dispone de una. En conectividad, Chile  
reporta 89,2 % de hogares con internet (CASEN, 2022), Uruguay 91 % (EUTIC, 2022) y Colombia 63,9 %  
(DANE, 2023). Ecuador (71,3 %) se sitúa entre Uruguay/Chile y Colombia. La tenencia de computadora  
en Ecuador (32,7 %) está por debajo de Colombia (34,0 %, DANE, 2023) y significativamente por debajo  
de Chile y Uruguay. Una encuesta regional a 30.260 participantes de 29 instituciones latinoamericanas  
reveló que el 92 % de los estudiantes usa IA activamente y el 67 % la utiliza semanalmente, con ChatGPT  
como herramienta dominante (88 %) (Digital Education Council et al., 2026).  
Vacío de investigación y objetivo  
La evidencia empírica sobre adopción de IA generativa en educación superior ecuatoriana es  
fragmentaria. No existe una síntesis que integre datos de infraestructura (INEC), evaluaciones de  
preparación (UNESCO), marcos de política (MINTEL) y estudios empíricos. El objetivo es mapear y  
sintetizar la evidencia disponible (20242025) sobre condiciones habilitantes, adopción y gobernanza  
de la IA en la educación superior de Ecuador, contrastándola con referentes regionales. Las preguntas  
de investigación son:  
RQ1: ¿Qué condiciones de infraestructura digital ofrece ENEMDUTIC para el uso educativo de IA, y  
cómo se distribuyen por nivel educativo, ¿ingreso y etnicidad (20242025)?  
RQ2: ¿Qué patrones de adopción de ChatGPT documentan los estudios empíricos publicados en  
Ecuador?  
RQ3: ¿Qué brechas de gobernanza identifica el RAM Ecuador (UNESCO, 2025) y cómo se comparan  
regionalmente?  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2845.  
RQ4: ¿Qué orientación de política pública existe para la adopción de IA en educación y qué vacíos  
persisten?  
Infraestructura y conectividad habilitante (RQ1)  
Indicadores nacionales y brecha urbanorural  
Los boletines ENEMDUTIC muestran que el acceso a internet en hogares aumentó de 66,0 % (julio  
2024) a 71,3 % (julio 2025), equivalente a 3.750.273 hogares conectados de un total de 5.256.715  
(INEC, 2025). La mejora rural fue de +10,6 p.p. (48,1 % 58,7 %), reduciendo la brecha urbanorural de  
25,5 a 17,9 puntos. A nivel individual, el 80,1 % de la población de 5 años y más (13,9 millones de  
personas) usó internet en los últimos 12 meses, frente al 77,2 % en 2024 (INEC, 2024, 2025). La  
tenencia de computadora se mantuvo estancada: 33,2 % 32,7 %, con brecha urbanorural creciente  
(22,2 23,4 p.p.). La tenencia de smartphone subió de 57,7 % a 59,3 % (10,3 millones de personas),  
con crecimiento rural (42,0 % 48,3 %). El analfabetismo digital (15-49 años) se redujo  
significativamente de 5,4 % a 2,1 % (INEC, 2024, 2025). La Tabla 2 sintetiza estos indicadores.  
Tabla 2  
Indicadores nacionales de acceso y equipamiento digital (ENEMDUTIC, 20242025)  
Indicador  
Jul-2024  
Nac.  
66,0 %  
33,2 %  
57,7 %  
5,3 %  
Jul-2024  
Urb./Rur.  
73,6 / 48,1  
39,8 / 17,6  
64,9 / 42,0  
Jul-2025  
Nac.  
71,3 %  
32,7 %  
59,3 %  
6,9 %  
Jul-2025  
Urb./Rur.  
76,6 / 58,7  
39,6 / 16,2  
64,3 / 48,3  
Hogares con internet  
Hogares con computadora  
Smartphone (5+ años)  
Internet: educación (1.ª  
opción)  
Analfabetismo digital (15-49)  
5,4 %  
1,9 / 14,1  
2,1 %  
0,8 / 5,6  
Fuente: elaboración propia con base en INEC (2024, 2025). Fuente primaria: Encuesta Nacional de  
Empleo, Desempleo y Subempleo, módulo TIC (ENEMDUTIC), julio de cada año. Denominadores:  
hogares (internet, computadora) y personas de 5 años y más (smartphone, uso de internet) del universo  
ENEMDU. Analfabetismo digital: personas de 15 a 49 años que no han usado computadora, internet ni  
celular en los últimos 12 meses. Porcentajes urbano/rural separados por "/".  
Desagregación por nivel educativo: la doble realidad  
El análisis por nivel educativo del jefe de hogar revela una marcada estratificación digital. En hogares  
cuyo jefe tiene educación superior, el acceso a internet alcanza 90,2 % (2024) y 88,5 % (2025), la  
tenencia de computadora se sitúa en 73,3 % y 73,7 %, respectivamente, y la tenencia de smartphone en  
92,2 % y 90,3 %. El analfabetismo digital en este segmento es prácticamente inexistente (0,1 % en 2024;  
0,0 % en 2025). En contraste, en hogares sin educación formal, el acceso a internet es de apenas 27,6  
% (2024) 38,0 % (2025), la tenencia de computadora de 4,6 % 1,4 %, y el analfabetismo digital  
alcanza 35,0 % (2024) 11,1 % (2025) (INEC, 2024, 2025). La Tabla 3 presenta esta desagregación.  
Tabla 3  
Indicadores de acceso digital por nivel educativo del jefe de hogar (ENEMDUTIC, 20242025)  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2846.  
Nivel  
educativo  
Interne  
t
2024  
Interne  
t
2025  
Computador  
Computador  
Smartphon  
Smartphon  
Analf. Analf.  
a
a
e
e
digita  
l
digita  
l
2024  
2025  
2024  
2025  
2024  
35,0  
%
2025  
11,1  
%
Ninguno  
27,6 %  
59,9 %  
71,5 %  
90,2 %  
38,0 %  
65,9 %  
77,7 %  
88,5 %  
4,6 %  
20,8 %  
38,8 %  
73,3 %  
1,4 %  
20,2 %  
37,2 %  
73,7 %  
9,9 %  
38,8 %  
81,8 %  
92,2 %  
24,4 %  
41,1 %  
81,8 %  
90,3 %  
Educación  
básica  
Bachillerat  
o
7,1 %  
2,6 %  
1,2 %  
0,1 %  
0,5 %  
0,0 %  
Superior  
Fuente: elaboración propia con base en INEC (2024, 2025). Internet y computadora: por hogar.  
Smartphone: individual (5+ años).  
Estos datos revelan lo que denominamos una "doble realidad digital": los estudiantes universitarios  
provienen mayoritariamente de hogares con alta conectividad y equipamiento, pero una proporción  
significativa especialmente de universidades públicas con mayor diversidad socioeconómica—  
proviene de hogares de quintiles inferiores con condiciones radicalmente diferentes. Desde el modelo  
de van Dijk (2005, 2020), Ecuador muestra avances en el primer nivel de acceso conectividad, pero  
el estancamiento en dispositivos de productividad (32,7 %) y la predominancia del smartphone implican  
restricciones para tareas académicas que requieren pantalla amplia, teclado y procesamiento  
(Warschauer, 2003). El concepto de "desigualdad digital 2.0" (van Dijk, 2020) se manifiesta con claridad:  
incluso con conectividad, la calidad del acceso condiciona los resultados.  
Un aspecto complementario que merece atención es la brecha de modalidad de acceso o "brecha  
mobile-only". Mientras la tenencia de smartphone creció a 59,3 % (48,3 % rural), la de computadora se  
estancó en 32,7 %. Esto implica que una proporción creciente de estudiantes accede a herramientas  
de IA generativa exclusivamente desde dispositivos móviles, lo cual condiciona la calidad del uso: las  
interacciones desde smartphone tienden a ser más breves, consultivas y pasivas (consultas rápidas,  
resolución de preguntas), mientras que el uso desde computadora facilita tareas de mayor complejidad  
cognitiva como redacción extensa, edición iterativa de prompts, análisis comparativo de respuestas y  
producción académica sustantiva (Warschauer, 2003). Esta distinción es particularmente relevante  
para interpretar el hallazgo de que el 61,49 % de los propósitos reportados corresponde a resolución  
rápida de preguntas: parte de este patrón de uso superficial podría estar condicionado no solo por la  
falta de formación, sino por las limitaciones del dispositivo de acceso predominante.  
Brechas por quintil de ingreso y etnicidad  
La desagregación por quintil de ingreso muestra que la tenencia de computadora en el quintil 1 (más  
pobre) es de apenas 11,6 % en 2025, frente al 57,8 % en el quintil 5 una brecha de 46,2 p.p. (INEC,  
2025). En acceso a internet, la brecha entre quintiles extremos se redujo de 40,4 p.p. (2024) a 33,5 p.p.  
(2025), pero sigue siendo sustancial (INEC, 2024, 2025).  
El avance más notable se registra en hogares de autoidentificación indígena, cuyo acceso a internet  
pasó de 27,8 % a 46,1 % (+18,3 p.p.), la mayor mejora entre todos los grupos étnicos. Los hogares  
mestizos avanzaron de 71,4 % a 75,0 %, los afroecuatorianos de 58,5 % a 64,2 % y los montubios de  
60,4 % a 62,6 % (INEC, 2024, 2025).  
En perspectiva regional, Ecuador se ubica por debajo de los referentes sudamericanos en conectividad.  
Chile reporta 89,2 % de hogares con internet (CASEN, 2022) y Uruguay 91 % (EUTIC, 2022), mientras  
que Colombia alcanza 63,9 % (DANE, 2023). Ecuador (71,3 %) supera a Colombia pero se encuentra  
significativamente por debajo de Chile y Uruguay. En tenencia de computadora, Ecuador (32,7 %) se  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2847.  
ubica ligeramente por debajo de Colombia (34,0 %, DANE, 2023); no se dispone de datos comparables  
recientes de encuestas de hogares para Chile y Uruguay en este indicador específico.  
Adopción de IA generativa en educación superior (RQ2)  
Frecuencia de uso  
Izquierdo-Morán et al. (2025) reportaron, en 335 estudiantes de la Universidad Técnica de Babahoyo  
(provincia de Los Ríos), los siguientes patrones: "siempre" 2,09 % (n = 7), "casi siempre" 15,52 % (n =  
52), "a menudo" 34,93 % (n = 117), "raramente" 38,21 % (n = 128) y "nunca" 9,25 % (n = 31). El 52,54 %  
presenta uso frecuente (a menudo o superior). La muestra se compuso de 61,20 % hombres y 38,80 %  
mujeres, con predominio del rango etario 20-25 años (47,46 %) y 26-30 años (34,93 %). Los estudiantes  
de semestres avanzados (7.° en adelante, 32,54 % de la muestra) mostraron mayor tendencia al uso.  
En la Universidad Central del Ecuador, Pilatasig Tambaco et al. (2025) reportaron en 300 estudiantes  
de Educación Básica un uso predominantemente casual: 4855 % "ocasional" y 2636 % "raro". En Loja,  
el 67 % de los estudiantes no recomendaba ChatGPT por inconsistencias en las respuestas (Alarcón-  
Llontop et al., 2024). La Tabla 4 presenta la frecuencia detallada del estudio de Los Ríos.  
Tabla 4  
Frecuencia de uso de ChatGPT en estudiantes universitarios de Los Ríos, Ecuador (n = 335)  
Frecuencia  
n
7
%
2,09  
Siempre  
Casi siempre  
A menudo  
Raramente  
Nunca  
52  
117  
128  
31  
15,52  
34,93  
38,21  
9,25  
Fuente: Izquierdo-Morán et al. (2025, p. 93). Instrumento: cuestionario validado por expertos (alfa de  
Cronbach reportado). Denominador: n = 335 estudiantes de la Universidad Técnica de Babahoyo  
(pública), provincia de Los Ríos, Ecuador. Periodo de recolección: abrilmayo 2024. Frecuencias  
absolutas y relativas calculadas por los autores originales.  
Propósitos de uso académico  
Los propósitos reportados fueron: resolución de preguntas 61,49 % (n = 206), generación de ideas para  
proyectos 46,87 % (n = 157), redacción de ensayos e informes 23,58 % (n = 79), preparación de  
exámenes 6,87 % (n = 23) y otros 25,07 % (n = 84). Las ventajas percibidas: facilidad de acceso 91,64  
%, generación de ideas y recursos 64,48 %, asistencia en redacción 25,07 % y adaptabilidad al  
aprendizaje 14,03 % (Izquierdo-Morán et al., 2025). Como referente, en la Universidad de Guadalajara  
(México) se encontraron propósitos similares: información general (30/132), búsqueda de información  
no disponible en otras fuentes (26/132) e ideas para proyectos (21/132) (Perspectivas sobre ChatGPT,  
2025).  
Nota: Panel A (filas 1-3): Estudios empíricos primarios con datos individuales de estudiantes. Panel B  
(filas 4-5): Fuentes institucionales/globales con indicadores agregados; los porcentajes no son  
directamente comparables con el Panel A. *23/42 por iniciativa propia. **0/42 por talleres. ***Reportan  
desafíos significativos de integración. ****% de IES con políticas formales de IA. s/d = sin dato  
porcentual comparable.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2848.  
El hallazgo más notable de la evidencia disponible es la completa ausencia de orientación institucional:  
el 0 % de los 335 estudiantes reportó haber recibido orientación de docentes o talleres dato basado  
en autoinforme estudiantil, no en análisis documental institucional, por lo que refleja la percepción de  
ausencia de orientación más que la inexistencia absoluta de iniciativas; el 81,19 % (n = 272) indicó  
aprendizaje autodidacta; y el 18,81 % (n = 63) no recibió ninguna guía. La percepción de aceptación  
docente fue extremadamente baja: el 87,46 % (51,94 % en desacuerdo + 35,52 % muy en desacuerdo)  
consideró que los docentes no aceptan ChatGPT (Izquierdo-Morán et al., 2025).  
Este patrón se replica regionalmente. En México (U. de Guadalajara), de 42 estudiantes con uso activo,  
23 lo iniciaron por cuenta propia, 11 por pares, 8 por sugerencia docente y 0 por talleres (Perspectivas  
sobre ChatGPT, 2025). Chan y Hu (2023) encontraron en Hong Kong 68 % autodidacta frente a 8 %  
institucional. Smolansky et al. (2023) encontraron que una proporción significativa de educadores  
perciben desafíos importantes para integrar la IA generativa en sus evaluaciones. La Tabla 5 compara  
estos datos.  
Tabla 5  
Orientación institucional sobre IA generativa: comparación entre estudios  
Estudio / Fuente  
País  
Autodidacta  
(%)  
Orient. inst.  
(%)  
Tipo de fuente  
n
Izquierdo-Morán et al.  
(2025)  
Perspectivas ChatGPT  
(2025)  
Ecuador  
México  
81,19  
0,00  
Estudio empírico  
primario  
Estudio empírico  
primario  
Estudio empírico  
primario  
Encuesta a  
educadores  
Informe institucional  
global  
335  
42  
54,76*  
68,00  
0,00**  
8,00  
Chan y Hu (2023)  
Hong  
Kong  
Varios  
399  
s/d  
Smolansky et al.  
(2023)  
UNESCO (2023a)  
s/d***  
Global  
< 10,00****  
450+  
IES  
Nota: *23/42 por iniciativa propia. **0/42 por talleres. ***Reportan desafíos significativos de  
integración. ****% de IES con políticas formales de IA. s/d = sin dato porcentual comparable.  
Fuente: elaboración propia.  
Denominamos este fenómeno "adopción desde abajo": la tecnología es incorporada por estudiantes  
sin mediación institucional, en contraste con una "adopción desde arriba" mediada por políticas,  
formación y lineamientos pedagógicos. Desde UTAUT (Venkatesh et al., 2003), la adopción ocurre a  
pesar de la ausencia de condiciones facilitadoras, impulsada por influencia social y expectativa de  
desempeño. Es importante señalar que estos datos de orientación provienen de autoinforme  
estudiantil y podrían no captar iniciativas institucionales incipientes o informales. No obstante, la  
evidencia disponible sugiere que la adopción tiende a usos superficiales (resolución rápida de  
preguntas, 61,49 %) más que a usos de alto valor cognitivo, y sin las competencias críticas que UNESCO  
(2024) y DigComp 2.2 (Vuorikari et al., 2022) definen como esenciales.  
Percepciones sobre impacto académico  
Los estudiantes encuestados en las universidades incluidas mostraron escepticismo: el 65,97 %  
rechazó que ChatGPT mejore su rendimiento (42,69 % en desacuerdo + 23,28 % muy en desacuerdo);  
el 62,39 % expresó desconfianza sobre la información generada. Solo el 38,21 % recomendaría  
ChatGPT (Izquierdo-Morán et al., 2025). Pilatasig Tambaco et al. (2025) reportaron que los estudiantes  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2849.  
de la UCE adoptaron postura neutral sobre el efecto en pensamiento crítico, pero reconocieron que  
ChatGPT favorece la comprensión de temas complejos (47,5 % de acuerdo). Este escepticismo admite  
dos lecturas: puede indicar cierta madurez crítica, o reflejar experiencias de baja calidad por uso sin  
formación. La formación en prompting y evaluación crítica podría mejorar tanto la calidad del uso como  
las percepciones.  
Gobernanza y ética: brechas de preparación (RQ3)  
El Informe RAM Ecuador (UNESCO, 2025), publicado el 19 de noviembre de 2025 tras 10 espacios de  
consulta con 91 participantes, identifica: (a) ausencia de estrategia nacional unificada de IA; (b)  
infraestructura técnica limitada (9 centros de datos; 0,514/millón de habitantes); (c) formación  
insuficiente en ética de IA (<100 programas con módulos de ética tecnológica); y (d) falta de  
mecanismos de diversidad y evaluación de impactos ambientales.  
Uruguay primer país en completar el RAM (2023)presenta 91 % de acceso a internet en hogares  
(EUTIC, 2022), estrategia nacional de IA desde 2019 y Plan Ceibal. Chile actualizó su Política Nacional  
de IA en 2024 con metas educativas (Ministerio de Ciencia de Chile, 2024). Colombia cuenta con el  
CONPES 3975 con respaldo presupuestario (DNP, 2019). En el Índice de Oxford Insights (2024), Brasil  
(score 65,89), Chile (63,19) y Uruguay (62,21) son los únicos países latinoamericanos en el top 50  
global; Ecuador se ubica fuera de este grupo, significativamente por debajo del promedio regional  
latinoamericano de 42,99 puntos. La triangulación de fuentes sugiere un déficit sistémico: la adopción  
estudiantil documentada ocurre en un entorno sin guardarraíles institucionales.  
Gráfico 1  
Posición comparativa de Ecuador frente a referentes regionales en indicadores de conectividad y  
preparación para la IA  
Fuente: elaboración propia con base en INEC (2025), CENIA (2024), Oxford Insights (2024). Los scores  
se presentan en su escala original (0-100). Internet se expresa en porcentaje de hogares.  
Política pública: Transformación Digital 20252030 (RQ4)  
La Política de MINTEL (2025a) incorpora la IA como tendencia y define competencia digital como uso  
seguro, crítico y responsable de tecnologías para el aprendizaje. Sin embargo: (a) no especifica metas  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2850.  
sectoriales para ningún nivel educativo; (b) no define indicadores de adopción de IA; (c) no establece  
monitoreo de resultados educativos; y (d) no asigna presupuesto para formación docente en IA. Estas  
ausencias contrastan con las recomendaciones de UNESCO (2023a) sobre validar herramientas,  
capacitar actores educativos y proteger datos, así como con las directrices de política de Miao et al.  
(2021) y el marco analítico para la IA generativa en educación superior propuesto por Pedró (2024),  
que enfatizan la necesidad de estrategias nacionales con componentes específicos para formación  
docente, infraestructura y gobernanza ética.  
Tabla 6  
Posición comparativa de Ecuador en indicadores de IA y educación digital  
Indicador  
Internet hogares (%)  
Computador hogar (%)  
Estrategia nacional IA  
Score Oxford Insights  
Score ILIA (CENIA)  
Ecuador  
71,3  
32,7  
No  
< 42,99 d  
34,59  
Chile  
89,2 a  
s/d  
Sí (2024)  
63,19  
73,07  
Sí  
Uruguay  
91 b  
s/d  
Sí (2019)  
62,21  
Colombia  
63,9 c  
34,0 c  
Sí (2019)  
s/d  
64,98  
Sí (2023)  
52,64  
Sí  
UNESCO RAM completado  
Sí (2025)  
Nota: Ecuador: INEC, ENEMDUTIC julio 2025, denominador = hogares y población 5+ años. a Chile:  
Encuesta de Caracterización Socioeconómica Nacional (CASEN) 2022, Ministerio de Desarrollo Social;  
denominador = hogares. b Uruguay: Encuesta de Usos de TIC (EUTIC) 2022, AGESIC; denominador =  
hogares. c Colombia: Encuesta de Calidad de Vida (ECV) 2023, DANE; denominador = hogares. d  
Ecuador se ubica fuera del top 50 global (188 economías evaluadas); promedio regional LatAm = 42,99  
puntos. Scores: Oxford Insights (2024), escala 0100; CENIA (2024), ILIA, escala 0100. s/d = sin datos  
comparables disponibles en fuente primaria accesible.  
Fuente: elaboración propia.  
DISCUSIÓN  
Implicaciones para política educativa  
La integración de hallazgos permite formular cuatro recomendaciones:  
Provisión de dispositivos de productividad. La brecha de computadores (32,7 % nacional; 11,6 % en  
quintil 1; 16,2 % rural) es el cuello de botella estructural. Se requiere un programa focalizado, tomando  
como referencia Plan Ceibal (Uruguay).  
Formación docente en IA como prioridad. El 0 % de orientación y 87 % de percepción de rechazo  
docente demandan programas urgentes basados en DigCompEdu (Redecker, 2017) y los marcos de  
UNESCO (2024).  
Lineamientos institucionales de IA. Las universidades deben desarrollar políticas de uso ético. Menos  
del 10 % de IES globales tiene orientación formal (UNESCO, 2023a).  
Estrategia nacional de IA con componente educativo. Ecuador debe transitar a un instrumento  
específico con metas medibles, indicadores y presupuesto para educación, alineado con el RAM  
(UNESCO, 2025) y con las prospectivas europeas sobre IA en educación (Tuomi, 2024).  
CONCLUSIONES  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2851.  
Esta revisión integrativa ha sintetizado datos oficiales, evidencia empírica publicada, evaluaciones  
internacionales y marcos de política para construir un diagnóstico multinivel de la adopción de IA  
generativa en la educación superior ecuatoriana.  
Primera, Ecuador presenta una brecha digital estratificada en la que avances en conectividad incluida  
la notable mejora indígena de +18,3 p.p.coexisten con estancamiento en dispositivos de  
productividad (32,7 %) y una "doble realidad" entre hogares con educación superior (73,7 % con  
computadora, 0 % analfabetismo digital) y hogares sin educación formal (1,4 % con computadora). Esta  
configuración condiciona desigualmente la viabilidad de integrar IA en educación.  
Segunda, la evidencia disponible documenta un patrón de "adopción desde abajo": 52,54 % de uso  
frecuente, pero 0 % de orientación institucional y 81 % de autodidactismo en la principal muestra  
analizada (n = 335, Los Ríos). Este patrón, más agudo que en comparables internacionales, genera  
riesgos de uso superficial, déficit de competencias críticas y vulnerabilidad ética.  
Tercera, Ecuador se encuentra en rezago relativo frente a pares regionales en gobernanza de IA: sin  
estrategia nacional, con infraestructura limitada y escasa formación ética. La Política de  
Transformación Digital 20252030 es necesaria pero insuficiente.  
La contribución de este estudio radica en articular la evidencia fragmentaria en un diagnóstico  
coherente que vincula condiciones macro (infraestructura, gobernanza) con dinámicas micro  
(adopción estudiantil), introduciendo los conceptos de "doble realidad digital" y "adopción desde abajo"  
como marcos interpretativos para el caso ecuatoriano. La agenda futura debe incluir estudios con  
muestras nacionales representativas, diseños longitudinales, perspectiva docente y evaluaciones de  
intervenciones de formación en IA.  
Limitaciones  
Primera, la evidencia empírica ecuatoriana se basa en tres estudios con muestras locales que no son  
representativas del universo nacional de estudiantes universitarios; de los 888 participantes totales,  
635 corresponden a muestras exclusivamente ecuatorianas y 253 a una muestra binacional Ecuador–  
Perú (Alarcón-Llontop et al., 2024). Segunda, los estudios emplean instrumentos diferentes, limitando  
la comparabilidad. Tercera, ENEMDUTIC mide acceso general pero no uso educativo específico de IA,  
ni desagrega laptop vs. tableta vs. escritorio. Cuarta, los datos por nivel educativo refieren al jefe de  
hogar, no necesariamente al estudiante. Quinta, los datos comparativos regionales provienen de  
encuestas nacionales de hogares con años y metodologías diferentes (CASEN 2022 para Chile, EUTIC  
2022 para Uruguay, DANE ECV 2023 para Colombia), por lo que las comparaciones deben interpretarse  
como indicativas. Los datos de tenencia de computadora para Chile y Uruguay no pudieron verificarse  
con fuentes primarias accesibles. Sexta, el análisis del RAM se basa en el comunicado oficial, no en el  
informe técnico completo. Séptima, la encuesta regional (Digital Education Council et al., 2026) incluye  
solo una institución ecuatoriana (ESPOL).  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2852.  
REFERENCIAS  
Alarcón-Llontop, L.-R., Lomas Chacón, P. E., Cruz Páez, P., Pasapera-Ramírez, S. y Torres-Mirez, K.  
(2024). The ChatGPT application: Perceptions of university communication students from Ecuador and  
Peru. En 22nd LACCEI International Multi-Conference for Engineering, Education, and Technology  
Centro Nacional de Inteligencia Artificial. (2024). Índice Latinoamericano de Inteligencia Artificial (ILIA)  
Chan, C. K. Y. y Hu, W. (2023). Students' voices on generative AI: Perceptions, benefits, and challenges  
in higher education. International Journal of Educational Technology in Higher Education, 20(1), Artículo  
Comisión Económica para América Latina y el Caribe. (2024). Superar las trampas del desarrollo de  
América Latina y el Caribe en la era digital: el potencial transformador de las tecnologías digitales y la  
Crompton, H. y Burke, D. (2023). Artificial intelligence in higher education: The state of the field.  
International Journal of Educational Technology in Higher Education, 20(1), Artículo 22.  
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information  
technology. MIS Quarterly, 13(3), 319340. https://doi.org/10.2307/249008  
Departamento Nacional de Planeación de Colombia. (2019). CONPES 3975: Política Nacional para la  
Transformación  
Digital  
e
Inteligencia  
Artificial.  
DNP.  
Digital Education Council, Institute for the Future of Education y Tecnológico de Monterrey. (2026). AI  
in Higher Education LATAM Survey 2026. Digital Education Council.  
Granić, A. y Marangunić, N. (2019). Technology acceptance model in educational context: A systematic  
literature review. British Journal of Educational Technology, 50(5), 25722593.  
Hargittai, E. (2002). Second-level digital divide: Differences in people's online skills. First Monday, 7(4).  
Holmes, W., Bialik, M. y Fadel, C. (2019). Artificial intelligence in education: Promises and implications  
for teaching and learning. Center for Curriculum Redesign.  
Holmes, W., Persson, J., Chounta, I.-A., Wasson, B. y Dimitrova, V. (2022). Artificial intelligence and  
education: A critical view through the lens of human rights, democracy and the rule of law. Council of  
Hong, Q. N., Pluye, P., Fàbregues, S., Bartlett, G., Boardman, F., Cargo, M., Dagenais, P., Gagnon, M.-P.,  
Griffiths, F., Nicolau, B., O'Cathain, A., Rousseau, M.-C. y Vedel, I. (2018). Mixed Methods Appraisal Tool  
(MMAT),  
version  
2018.  
Registration  
of  
Copyright  
(#1148552).  
Instituto Nacional de Estadística y Censos. (2024). Tecnologías de la información y comunicación  
(TIC): ENEMDU, julio 2024 [Boletín estadístico].  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2853.  
inec/Estadisticas_Sociales/TIC/2024/202407_Tecnologia_de_la_Informacion_y_Comunicacion-  
TICs.pdf  
Instituto Nacional de Estadística y Censos. (2025). Tecnologías de la información y comunicación  
(TIC):  
ENEMDU,  
julio  
2025  
[Boletín  
estadístico].  
inec/Estadisticas_Sociales/TIC/2025/202507_Tecnologia_de_la_Informacion_y_Comunicacion-  
TICs.pdf  
International Telecommunication Union. (2024). Measuring digital development: Facts and Figures  
Izquierdo-Morán, A. M., Jara-Contreras, J. E., Ballesteros-Coello, H. J. y Álvarez-Laborde, A. O. (2025).  
Manejo del ChatGPT en actividades académicas en estudiantes universitarios, Ecuador. Episteme  
Lo, C. K. (2023). What is the impact of ChatGPT on education? A rapid review of the literature. Education  
Miao, F., Holmes, W., Huang, R. y Zhang, H. (2021). AI and education: Guidance for policy-makers.  
Ministerio de Ciencia, Tecnología, Conocimiento e Innovación de Chile. (2024). Política Nacional de  
Inteligencia Artificial 2024: Actualización. Gobierno de Chile. https://www.minciencia.gob.cl/politicaIA  
Ministerio de Telecomunicaciones y de la Sociedad de la Información. (2025a). Política pública para la  
transformación digital del Ecuador 20252030. https://www.gobiernoelectronico.gob.ec/wp-  
content/uploads/2025/03/INSTRUMENTO-Politica-Publica-para-la-Transformacion-Digital-Ecuador-  
2025-2030-MINTEL-signed_f.pdf  
Ministerio de Telecomunicaciones y de la Sociedad de la Información. (2025b, 14 de marzo). Acuerdo  
ministerial: Expedición de la Política Pública de Transformación Digital 20252030.  
2025-0005-Politica-de-Transformacion-Digital.pdf  
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. (2023a). Guidance for  
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. (2024). AI competency  
frameworks-students-and-teachers  
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. (2025, 19 de  
noviembre). UNESCO presenta el Informe de Evaluación de Preparación para la IA en Ecuador.  
la-ia-en-ecuador  
readiness/ai-readiness-index/  
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L.,  
Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2854.  
M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., … Moher, D. (2021). The PRISMA 2021 statement:  
Pedró, F. (2024). Generative artificial intelligence in higher education: Towards a comprehensive  
framework for analysis and action. En UNESCO-IESALC Policy Briefs. UNESCO-IESALC.  
Perspectivas sobre el uso del ChatGPT en el contexto universitario. (2025). Apertura, 17(1).  
Pilatasig Tambaco, J. S., Manzano Aguas, P. A., Pinargote Criollo, J. M., Guevara Diaz, M. N. y López  
Fonseca, D. A. (2025). Análisis de la IA ChatGPT en el aprendizaje de los estudiantes de la carrera de  
Educación Básica presencial de la Universidad Central del Ecuador. Ciencia Latina Revista Científica  
Ragnedda, M. (2018). Conceptualizing digital capital. Telematics and Informatics, 35(8), 23662375.  
Redecker, C. (2017). European framework for the digital competence of educators: DigCompEdu (EUR  
Scherer, R., Siddiq, F. y Tondeur, J. (2019). The technology acceptance model (TAM): A meta-analytic  
structural equation modeling approach to explaining teachers' adoption of digital technology in  
education. Computers & Education, 128, 1335. https://doi.org/10.1016/j.compedu.2018.09.009  
Smolansky, A., Cram, A., Raduescu, C., Zeivots, S., Huber, E. y Kizilcec, R. F. (2023). Educator and student  
perspectives on the impact of generative AI on assessments in higher education. En Proceedings of  
the  
Tenth  
ACM  
Conference  
on  
Learning  
@
Scale  
(L@S  
'23)  
(pp.  
318325).  
Sætra, H. S. (2023). Generative AI in higher education: The ChatGPT effect. Springer.  
Tlili, A., Shehata, B., Adarkwah, M. A., Bozkurt, A., Hickey, D. T., Huang, R. y Agyemang, B. (2023). What  
if the devil is my guardian angel: ChatGPT as a case study of using chatbots in education. Smart  
Torraco, R. J. (2005). Writing integrative literature reviews: Guidelines and examples. Human Resource  
Tuomi, I. (2024). AI in education: Interpretive analysis and prospective outlook. En European  
Commission, JRC Science for Policy Report (EUR 31973 EN). Publications Office of the European Union.  
van Dijk, J. A. G. M. (2005). The deepening divide: Inequality in the information society. Sage.  
van Dijk, J. A. G. M. (2020). The digital divide. Polity Press.  
Venkatesh, V., Morris, M. G., Davis, G. B. y Davis, F. D. (2003). User acceptance of information  
technology: Toward a unified view. MIS Quarterly, 27(3), 425478. https://doi.org/10.2307/30036540  
Vuorikari, R., Kluzer, S. y Punie, Y. (2022). DigComp 2.2: The Digital Competence Framework for Citizens  
Warschauer, M. (2003). Technology and social inclusion: Rethinking the digital divide. MIT Press.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2855.  
Whittemore, R. y Knafl, K. (2005). The integrative review: Updated methodology. Journal of Advanced  
Yan, L., Sha, L., Zhao, L., Li, Y., Martinez-Maldonado, R., Chen, G., Li, X., Jin, Y. y Gasevic, D. (2024).  
Practical and ethical challenges of large language models in education: A systematic scoping review.  
British Journal of Educational Technology, 55(1), 90112. https://doi.org/10.1111/bjet.13370  
Zawacki-Richter, O., Marin, V. I., Bond, M. y Gouverneur, F. (2019). Systematic review of research on  
artificial intelligence applications in higher education: Where are the educators? International Journal  
019-0171-0  
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados en este  
sitio está disponibles bajo Licencia Creative Commons  
.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2856.